基于内嵌领域知识神经网络电池荷电状态估计方法及系统

本发明实施例公开了基于内嵌领域知识神经网络电池荷电状态估计方法及系统。方法包括：获取电池运行数据，电池运行数据包括电池放电端电压、电流、温度数据和对应的电池容量数据；将电池运行数据输入至内嵌领域知识神经网络中进行电池荷电状态估计，以得到估计结果；其中，内嵌领域知识神经网络是通过历史电池运行数据、对应时刻值以及历史SOC作为样本集输入至SocNet神经网络模型中进行训练所得的，SocNet神经网络模型包括带有特别通路的特征提取模块、SOC回望模块以及求和模块；输出估计结果。通过实施本发明实施例的方法可能够在复杂多变的工作环境中更准确地估计SOC，有效减少误差，提高SOC估计的精度，且可靠性强。